常用的深度学习模型
神经网络有时可以与乐高积木进行比较，在那里你可以构建几乎任何简单到复杂的结构，你的想象力可以帮助你构建。
计算机视觉任务类型
目标识别/分类：在目标识别中，得到一个原始的图像，任务是识别图像属于哪个类。
分类+定位：如果图像中只有一个目标，并且任务是找到该目标的位置，那么这个问题的一个更具体的术语是定位问题。
目标检测：在目标检测中，任务是识别对象所在图像中的位置，这些对象可能是相同的类或不同的类。
图像分割：图像分割是一项复杂的任务，目标是将每个像素映射到它的合法类。
深度学习模型
AlexNet
AlexNet是深度学习的先驱之一——Geoffrey Hinton和他的同事们引入的第一个深层架构。它是一个简单而又强大的网络架构，它为深度学习的突破性研究铺平了道路。
AlexNet看起来是一个包含卷积层和池化层的简单架构，顶部是全连接层。区分这个模型的是它执行任务的规模和使用GPU进行训练。在20世纪80年代，CPU被用于训练神经网络。而AlexNet仅通过使用GPU提升了10倍的训练速度。
虽然现在有点过时了，但是AlexNet仍然在所有任务上应用深度神经网络的起点，无论是计算机视觉还是语音识别。
VGG Net
GoogleNet